Google Avança em Iniciativa para Melhorar Chips de IA
O Google está desenvolvendo uma nova estratégia para aprimorar seus chips de inteligência artificial, visando otimizar a execução do PyTorch, a plataforma de IA mais utilizada globalmente. Essa ação busca desafiar a longa liderança da Nvidia no mercado de computação de IA, conforme informações de fontes próximas ao tema.
CONTINUA DEPOIS DA PUBLICIDADE
Esse esforço integra o plano do Google para posicionar suas unidades de processamento de tensores (TPUs) como uma alternativa viável às GPUs dominantes da Nvidia. As vendas de TPUs se tornaram um pilar essencial para o crescimento da receita de computação em nuvem da empresa, que busca demonstrar aos investidores que seus investimentos em IA estão trazendo resultados.
Iniciativa TorchTPU
A nova iniciativa, chamada internamente de “TorchTPU”, visa eliminar uma barreira significativa que tem dificultado a adoção dos chips TPU. O objetivo é garantir que sejam totalmente compatíveis e fáceis de desenvolver para clientes que já utilizam o PyTorch em sua infraestrutura tecnológica.
CONTINUA DEPOIS DA PUBLICIDADE
Além disso, o Google está considerando a possibilidade de abrir partes do software para facilitar a adoção entre os clientes. Em comparação com tentativas anteriores de suporte ao PyTorch em TPUs, a empresa está dedicando mais recursos e foco estratégico ao TorchTPU, em resposta à crescente demanda por esses chips.
Desenvolvedores e o Uso do PyTorch
O PyTorch é uma das ferramentas mais populares entre desenvolvedores que criam modelos de IA. No Vale do Silício, poucos desenvolvedores escrevem cada linha de código que os chips da Nvidia, AMD ou Google executam. Eles utilizam ferramentas como o PyTorch, que oferece bibliotecas e estruturas de código pré-escrito para automatizar tarefas comuns no desenvolvimento de IA.
LEIA TAMBÉM!
Desde seu lançamento em 2016, o PyTorch tem uma conexão estreita com o desenvolvimento do CUDA pela Nvidia, software considerado por analistas como um forte diferencial da empresa. Os engenheiros da Nvidia têm trabalhado para garantir que o software criado com o PyTorch funcione da maneira mais eficiente em seus chips.
Desafios e Oportunidades para o Google
O Google, por sua vez, tem incentivado seus desenvolvedores a utilizarem uma estrutura chamada Jax, enquanto seus chips TPU utilizam uma ferramenta chamada XLA para otimização. Essa abordagem criou uma lacuna entre a forma como o Google utiliza seus chips e as expectativas dos clientes.
Um porta-voz do Google Cloud confirmou que a mudança proporcionará mais opções aos clientes, destacando a crescente demanda por sua infraestrutura de TPU e GPU. A Alphabet, por muito tempo, reservou a maior parte de seus chips apenas para uso interno, mas essa estratégia mudou em 2022, quando a unidade de computação em nuvem começou a vender TPUs para clientes externos.
Colaboração com a Meta
Para acelerar o desenvolvimento, o Google está colaborando com a Meta, criadora do PyTorch. As duas empresas estão discutindo acordos para que a Meta tenha acesso a mais TPUs, com ofertas estruturadas como serviços gerenciados pelo Google.
A Meta busca diversificar sua infraestrutura de IA e reduzir custos de inferência, afastando-se das GPUs da Nvidia. Este ano, o Google começou a vender TPUs diretamente nos data centers dos clientes, ampliando o acesso a essa tecnologia.
Amin Vahdat, um veterano do Google, foi nomeado chefe de infraestrutura de IA, reportando-se diretamente ao CEO Sundar Pichai. Essa infraestrutura é crucial para o funcionamento dos produtos de IA do Google, como o chatbot Gemini e a pesquisa baseada em IA, além de atender aos clientes do Google Cloud.
